一篇文章集齐NHANES＋CHARLS＋孟德尔随机化，北协和学者还是太超前了！
心脏、肾脏与代谢疾病（CRM）以其高发病率与死亡率成为全球公共卫生的严峻挑战，而在这些复杂疾病的背后，一个看似普通的指标——血清尿酸（SUA），正悄然成为破解疾病关联的关键线索。
2025年3月27日，北京协和医院学者用NHANES+CHARLS数据库，在期刊《
Journal of The American Heart Association》（医学一区Top，IF=5.0）发表题为：“Exploration of the Interrelationship Between Serum Uric Acid, Gout, and Cardiac, Renal, and Metabolic Conditions in Middle Aged and Older People”的研究论文。
研究团队使用各种统计分析方法（有序logistic 回归、 Cox 回归和RCS分析）评估血清尿酸（SUA） 、 高尿酸血症、痛风和 CRM 疾病之间的关联，并利用孟德尔随机化（MR）验证它们之间的因果关联。
本研究的数据来源于两个公共数据库：
- 中国健康与退休纵向研究（CHARLS）数据库（2011~2020年的数据，n=9,341；年龄≥45岁）
- 美国国家健康与营养调查（NHANES）数据库（2007~2018年的数据，未加权 n=17,913；加权 n=115,646,390；年龄≥45岁）
图1 CHARLS数据库中，参与者的筛选流程
图2 NHANES数据库中，参与者的筛选流程
两个数据库的分析结果均显示，SUA水平升高、高尿酸血症和痛风均与CRM患病数量及全因死亡风险均呈正相关。
尤其在合并≥1种CRM的个体中，SUA水平每增加1 mg/dL，死亡风险显著上升（CHARLS：HR=1.090；NHANES：HR=1.053）。
图3 NHANES数据库的Kaplan–Meier生存曲线
表1 CHARLS数据库中，不同CRM条件下的参与者血清尿酸和高尿酸血症的全因死亡风险
模型1：调整年龄和性别；
模型2：调整年龄、性别、居住地、教育、体重指数、高血压、吸烟状况、估算肾小球滤过率和甘油三酯
而RCS曲线则进一步表明，≥1个CRM疾病参与者的SUA水平与全因死亡风险呈非线性正相关。
图4 CHARLS数据库的RCS曲线
（A）0个RCM疾病；（B）≥1个RCM疾病
此外，基于全基因组关联研究（GWAS）数据，MR进一步证实了SUA水平与心血管疾病（CVD）、慢性肾病（CKD）和糖尿病的因果关系。
表2 SUA水平与不同CRM疾病之间的因果关联
综上所述，高尿酸血症和痛风是CRM疾病患病率及死亡风险的强预测因子，尤其在合并多种CRM的个体中，SUA的管控至关重要。
